O Data Mining na Medição de Desempenho

As operações analíticas e técnicas de data mining podem auxiliar na análise de dados oriundos da medição de desempenho. No Quadro 3.6 estão relacionadas as operações analíticas e as técnicas de data mining com as possíveis aplicações na medição de desempenho.

QUADRO 3.6 - As técnicas de data mining e as aplicações na medição de desempenho

Operações Analíticas

Técnicas Aplicações na medição de desempenho

Classificação Separação das medidas de resultado (lagging) e direcionadoras do resultado (leading) utilizando algum critério como tempo de espera da resposta das medidas de desempenho

Modelagem Preditiva

Predição de valor Predizer uma medida de desempenho a partir de outras medidas relacionadas utilizando algum método de regressão

Agrupamento via redes neurais

Rearranjo de dados numéricos de desempenho de um data mart visando otimizar os relacionamentos entre as medidas de entrada, processo e saída.

Agrupamento de base de dados

Separação Demográfica

Agregação ou desagregação de dados de desempenho em classes com base em um critério visando atender alguma necessidade estratégica da companhia

Descoberta de associação

Determinação de relacionamentos com base em regras entre as medidas de desempenho em um mesmo evento

Descoberta de padrões seqüenciais

Determinação de relacionamentos com base em regras entre as medidas de desempenhos em eventos seqüenciais, ou seja, eventos ocorridos em tempos diferentes

Análise de Associações

Descoberta de seqüências similares

no tempo

Análise de valores de variáveis de desempenho em um período visando à descoberta de relacionamentos entre as variáveis

Estatística Útil na estimação da probabilidade de um relacionamento de causa- e-efeito ocorrer entre as medidas de desempenho

Detecção de desvios

Visualização Apresentação dos resultados em formato gráfico, matriz ou tabela facilitando a análise de um maior número de variáveis de desempenho

Numa análise do Quadro 3.6, pode-se notar que a modelagem preditiva, que contém as técnicas de classificação e predição de valor, se aplica na medição de desempenho para o estabelecimento da posição de cada medida de desempenho frente a um critério classificatório estabelecido pelo decisor, e na predição da finalidade e do impacto gerado por cada medida de desempenho.

O agrupamento de base de dados, que pode ser feita via rede neural ou demográfica, visa organizar os dados de desempenho proveniente de uma base de dados. A organização dos dados pretende facilitar e otimizar a análise perante o problema estabelecido no projeto de data mining. Geralmente, essa operação de data

mining é acompanhada de outras operações como modelagem preditiva e análise de

associações.

A análise de associações, como as associações simples, seqüenciais ou similares no tempo, visa estabelecer relacionamentos entre as medidas de desempenho com o estabelecimento de uma regra que dita essa relação. Os relacionamentos entre as medidas de desempenho podem ocorrer no mesmo ou em diferentes períodos, ou até mesmo quando elas atendem a produtos ou processos diferentes.

A detecção de desvios, com as técnicas estatísticas e de visualização, auxilia na determinação de probabilidades de um relacionamento entre as medidas de desempenho, como também localiza pequenas flutuações nos dados de desempenho que podem indicar algum desvio ou viéses nos dados. Essa operação pode servir de apoio a outras, como modelagem preditiva e análise de associações.

Pode-se verificar que o uso da abordagem de data mining é útil para a medição de desempenho. Dentre as três razões, apresentadas por Rodrigues Filho & Shimizu (2002), para se realizar um projeto de data mining como contribuição para a medição de desempenho, estão: a) visualização de dados como definidor de um posicionamento das medidas de desempenho frente a um critério classificatório estabelecido pelo decisor e melhor agrupamento dos dados de desempenho seguindo um critério estratégico; b) descoberta de novos conhecimentos no estabelecimento dos padrões de relacionamentos entre as medidas de desempenho; e c) dados mais consistentes para detectar possíveis desvios na população que contém os dados de desempenho.

3.4 Considerações e Síntese do Capítulo

Conforme visto neste capítulo, o data mining é uma abordagem útil na exploração de bancos de dados históricos para a obtenção de informações relevantes para a tomada de decisão.

Ele é uma abordagem atual que possui uma variedade de recursos tanto em nível de software como de hardware para gerar informações relevantes a partir de grandes bancos de dados. O data mining pode apoiar diversos sistemas de informações da empresa, principalmente os Sistemas de Apoio à Decisão (SAD), Suporte Executivo e Sistemas de Conhecimento,e é o foco nesta dissertação para o SAD.

Existem diversas abordagens, formas e condições de se aplicar o data

mining. No geral, ele é estruturado a partir de uma necessidade organizacional da

empresa.

Essa necessidade gera recursos para a aplicação da abordagem, sendo o primeiro deles num banco de dados histórico, que pode ser ou não um data warehouse. O data warehouse facilita a aplicação das ferramentas de data mining devido ao fato de os dados estarem organizados como cubo de dados, facilitando a manipulação desses.

Neste trabalho, o data mining foi apresentado em operações analíticas que contêm as principais áreas de atuação da abordagem. Cada operação analítica contém diversas técnicas, que são procedimentos para a aplicação das principais ferramentas de data mining.

Na medição de desempenho, o data mining pode auxiliar de diversas formas, com destaque para o estabelecimento de relacionamentos entre as medidas de desempenho com base em regras, agrupamentos dos dados de desempenho em clusters ou em algum sistema classificatório definido pelos decisores e na redução da probabilidade de os dados de desempenho possuírem vieses.

4. PROPOSIÇÃO DE UM MÉTODO PARA ESTABELECIMENTO DE